AI tạo lợi thế cạnh tranh cho ngành bán dẫn

Tại Hội thảo “Giải pháp trí tuệ nhân tạo AI trong ngành công nghiệp bán dẫn” do Sở Khoa học và Công nghệ TP.HCM tổ chức, ông Dương Quang Huy, kỹ sư ứng dụng của Ascendas Systems cho biết, hiện nay, các nhà máy sản xuất chip đang sử dụng AI trong các công đoạn quan trọng như kiểm tra lỗi bề mặt vi mạch, phân loại linh kiện, phát hiện sai lệch kích thước, và giám sát chất lượng sản phẩm.

Ông Huy nhấn mạnh, các công cụ như Deep network designer, Classification learner cho phép kỹ sư trực quan hóa, tinh chỉnh mạng nơron hoặc thử nghiệm nhiều thuật toán khác nhau, từ đó lựa chọn mô hình tối ưu nhất cho từng loại dữ liệu.

Điều này giúp rút ngắn thời gian thử nghiệm, cải thiện đáng kể hiệu suất kiểm tra và giảm thiểu tỷ lệ lỗi. Với AI, quy trình kiểm tra cần thao tác thủ công hoặc bán tự động trước đây nay có thể thực hiện gần như hoàn toàn tự động, từ đó, góp phần giảm chi phí nhân công và tăng năng lực sản xuất.

Ông Trần Kim Duy Lân, Giám đốc Quốc gia của Navagis (đối tác chiến lược của Google) nhận định, việc ứng dụng AI không chỉ giúp các nhà máy tiết kiệm 30% thời gian thiết kế chip, mà còn có thể nâng năng suất vận hành lên 25%, tạo ra lợi thế cạnh tranh lớn trong ngành sản xuất linh kiện công nghệ cao.

Bên cạnh đó, AI còn mở ra cơ hội cho các doanh nghiệp Việt Nam tham gia sâu hơn vào chuỗi cung ứng bán dẫn toàn cầu, một lĩnh vực vốn đang được các quốc gia Đông Nam Á ưu tiên phát triển, đặc biệt trong bối cảnh dịch chuyển chuỗi cung ứng khỏi Trung Quốc sau đại dịch.

Tại hội thảo, ông Hà Văn Kỳ, đại diện Ascendas Systems, giới thiệu hệ sinh thái phần mềm MATLAB và Simulink đang được nhiều tập đoàn công nghiệp lớn trong ngành ô tô, hàng không vũ trụ và bán dẫn tin dùng.

Theo ông, việc tận dụng các nền tảng phần mềm này không chỉ giúp rút ngắn chu trình R&D, mà còn tạo điều kiện thuận lợi để các sản phẩm nhanh chóng đạt tiêu chuẩn quốc tế và sẵn sàng thương mại hóa.

Bên cạnh những ưu việt trên, các chuyên gia cũng cho rằng việc triển khai AI vào sản xuất công nghiệp, đặc biệt trong ngành bán dẫn, vẫn đối mặt với nhiều thách thức.

Theo ông Dương Quang Huy, điểm nghẽn lớn nhất không nằm ở độ thông minh của thuật toán mà là ở chất lượng và tính nhất quán của dữ liệu đầu vào. Chẳng hạn, một mô hình AI có thể đạt 99% độ chính xác trong phòng Lab nhưng sẽ nhanh chóng mất hiệu quả trong dây chuyền nếu hình ảnh sản phẩm bị chói sáng, mờ nét, có vết bụi nhỏ hoặc sai lệch góc chụp. Do đó, độ chênh lệch giữa môi trường huấn luyện và sản xuất thực tế là nguyên nhân khiến nhiều mô hình AI không thể triển khai thành công.

Để giải quyết vấn đề này, các chuyên gia kỹ thuật khuyến nghị các doanh nghiệp cần đầu tư nhiều hơn cho giai đoạn xử lý và chuẩn hóa dữ liệu, bao gồm cân bằng ánh sáng, tăng cường độ tương phản, chỉnh góc chụp và lọc nhiễu ảnh.

Ông Trần Kim Duy Lân cũng cảnh báo rằng, AI dù tối ưu hóa được nhiều quy trình nhưng cũng gây áp lực lớn lên hệ thống năng lượng toàn cầu. Theo ước tính, đến năm 2030, các trung tâm dữ liệu phục vụ AI có thể tiêu thụ tới 21% tổng điện năng toàn thế giới.

Trước thách thức đó, ông Lân kiến nghị cần khẩn trương chuyển dịch sang mô hình Edge AI, tức là xử lý dữ liệu ngay tại thiết bị (như vi điều khiển, camera thông minh, chip nhúng), thay vì gửi lên các trung tâm dữ liệu đám mây.

Mô hình này không chỉ giúp giảm độ trễ, tăng bảo mật, mà còn tiết kiệm từ 100 đến 1.000 lần điện năng cho mỗi tác vụ.